Di Jon Zamboni | Aggiornato il 30 agosto 2022
ALFSnaiper/iStock/GettyImages
Nella ricerca, il numero di osservazioni, spesso indicato come n – è fondamentale per ottenere risultati affidabili. Un campione più ampio fornisce un quadro più chiaro della popolazione, riduce l'influenza dei dati anomali e riduce il margine di errore.
Campioni di grandi dimensioni producono medie più precise, evidenziano valori anomali reali e riducono gli intervalli di confidenza, rendendo i risultati più affidabili.
La dimensione del campione si riferisce al conteggio dei punti dati raccolti in un sondaggio o esperimento. Ad esempio, analizzare 100 campioni di acqua di mare per i residui di petrolio significa una dimensione del campione di 100; L'indagine di 20.000 individui sull'ansia produce una dimensione del campione di 20.000. Sebbene campioni più grandi richiedano più risorse, il risultato sono dati più ricchi e affidabili.
Il calcolo della media, ovvero la media aritmetica, diventa più accurato se n cresce. Prendi in considerazione la misurazione dell'altezza:con 40 partecipanti la media potrebbe essere 5 piedi 4 pollici, ma con 100 partecipanti potrebbe passare a 5 piedi 3 pollici, offrendo una stima più rappresentativa. Un set di dati più ampio espone anche valori anomali autentici, ovvero valori che si discostano notevolmente dalla media, fornendo informazioni preziose per ulteriori indagini.
I campioni piccoli sono vulnerabili a risultati distorti. Sondare solo quattro persone sull’affiliazione politica e trovare un elettore indipendente suggerirebbe erroneamente che il 25% della popolazione è indipendente. L'espansione del campione diluisce l'impatto di tali anomalie, garantendo che le statistiche riflettano la realtà.
La dimensione del campione influenza direttamente il margine di errore di una statistica. Per le domande binarie (ad esempio, proprietà dell'auto), il margine di errore è di circa 100÷√n . Un campione di 100 produce un margine del 10%. Per le metriche continue (ad esempio l'altezza), moltiplicare questa cifra per due volte la deviazione standard per acquisire la variabilità. In ogni caso, maggiore è n riduce il margine, rafforzando la fiducia nei risultati.
